The domain below the surface in maritime security is hard to monitor with conventional methods, due to the often very noisy environment. In conventional methods the measurements are thresholded in order to distinguish potential targets. This is not always a feasible way of treating measurements. In this thesis a system based on raw measurements, that are not thresholded, is presented in order to track and classify divers with an active sonar. With this system it is possible to detect and track weak targets, even with a signal to noise ratio that often goes below 0 dB. The system in this thesis can be divided into three parts: the processing of measurements, the association of measurements to targets and the classification of targets. The processing of measurements is based on a particle filter using Track Before Detect (TBD). Two algorithms for association of measurements, Joint Probabilistic Data Association (JPDA) and Highest Probability Data Association (HPDA), have been implemented. The classification of targets is done using an assumed novel approach. The system is evaluated by doing simulations with approximately 8 hours of recorded data, where divers are present at nine different times. The simulations are done a number of times to catch The classification rate is high and the false alarm rate is low. / Undervattensdomänen är svår att övervaka i marina säkerhetssystem med sedvanliga metoder, på grund av den brusiga miljön. I traditionella metoder trösklas mätningarna för att urskilja potentiella mål. Detta är inte alltid ett godtagbart sätt att behandla mätningar på. I den här rapporten presenteras ett system baserat på behandling av rå mätdata, som inte trösklas, för att spåra och klassificera dykare med en aktiv sonar. Med detta system är det möjligt att detektera och spåra svaga mål, trots att signal till brus förhållandet ofta går under 0 dB. Systemet i den här rapporten kan delas upp i tre delar: behandling av mätningar, association av mätningar till mål samt klassificering av mål. Behandlingen av mätningarna görs med ett partikelfilter som använder Track Before Detect (TBD). Två algoritmer för associering av mätningar, Joint Probabilistic Data Association (JPDA) och Highest Probability Data Association (HPDA), har implementerats. Klassificeringen av mål görs med en egenutvecklad metod som inte har hittats i existerande dokumentation. Systemet utvärderas genom att simuleringar görs på ungefär 8 timmar inspelad data, där dykare är närvarande vid nio olika tillfällen. Simuleringarna görs ett antal gånger för att fånga upp stokastiska beteenden. Andelen lyckade klassificeringar är hög och andelen falsklarm är låg.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:liu-11495 |
| Date | January 2008 |
| Creators | Westman, Peter, Andersson, Mikael |
| Publisher | Linköpings universitet, Institutionen för systemteknik, Linköpings universitet, Institutionen för systemteknik, Institutionen för systemteknik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds